Gestion de Production Pierre Lopez LAAS-CNRS Laboratoire d'Analyse et d'Architecture des Systmes Centre National de la Recherche Scientifique Toulouse P. Lopez ! LAAS-CNRS Gestion de Production 2 Plan du cours ! Introduction Historique Typologie des SP Flexibilit, gestion d'activits Structures organisationnelles ! Modles et mthodes en planification-ordonnancement Programmation linaire Thorie des graphes Mthodes (gnrales) de rsolution exactes et approches Mthodes spcifiques ! Mthodes gnrales en GP Gestion des stocks Planification des besoins en composants Juste--temps 2 P. Lopez ! LAAS-CNRS Gestion de Production 3 Bibliographie ! Vincent GIARD Gestion de la production Economica, 2003, 3 me dition ! Jean BENASSY La gestion de production Hermes, 1998, 3me dition ! Patrick ESQUIROL et Pierre LOPEZ L'ordonnancement Economica, 1999 ! Grard BAGLIN et al. Management industriel et logistique Economica, 1990 ! Lionel DUPONT La gestion industrielle Hermes, 1998 ! Pierre LOPEZ et Franois ROUBELLAT Ordonnancement de la production Herms, 2001 4 1re partie : Introduction 1. Historique 2. Dfinitions 2.1. Vision automaticienne Systme de Production Gestion de Production GPAO 2.2. Vision systmique : 4 grandes activits 2.3. Trois sous-systmes systme physique systme dcisionnel systme informationnel 2.4 Flexibilit 3. Gestion d'activits 3.1. Dfinition 3.2. Approche multiniveaux 3.3. Organisation matricielle 4. Typologie des systmes de production 4.1. en fonction de lorganisation des ressources 4.2. en fonction du pilotage de la production 3 P. Lopez ! LAAS-CNRS Gestion de Production 5 Historique ! XVIII me s. : production artisanale ! XIX me s. : production manufacturire (armes, tabac) ! XX me s. : dsir de rationalisation des facteurs de production " point de dpart de la gestion de production... Taylor (1911) : organisation du travail base sur ! distinction radicale entre conception et excution ! recherche systmatique des conomies de gestes et mouvements ! utilisation maximale de la machine Ford (1913) : standardisation de la production et travail la chane ! avance du concept de flexibilit dans les entreprises Harris et Wilson (1913-1924) : quantit conomique Fayol (1916) : modle hirarchique d'organisation de la production ! savoir, prvoir, organiser, commander, coordonner, contrler Gantt (1917) : ordonnancement P. Lopez ! LAAS-CNRS Gestion de Production 6 SP GP GPAO (1) ! Systme de Production vision automaticienne : transformer un ensemble de matires premires ou de composants semi-finis en produits finis ! Gestion de Production assurer l'organisation du systme de production afin de fabriquer les produits en quantits et temps voulus compte tenu des moyens (humains ou technologiques) disponibles ! Gestion de Production Assiste par Ordinateur 4 P. Lopez ! LAAS-CNRS Gestion de Production 7 SP GP GPAO (2) Systme de Production mat. 1res ou comp. ! finis comp. ! finis ou produits finis GP GPAO ! Avantage : vision synthtique ! Inconvnient : masquage des activits non orientes fabrication (tude de march, conception, recherche, ...) P. Lopez ! LAAS-CNRS Gestion de Production 8 Vision systmique d'un SP donnes techniques donnes commerciales gestion des matires gestion du travail suivi de fabrication fabrication stocks clients fournisseurs gestion de stocks planification ordonnancement 5 P. Lopez ! LAAS-CNRS Gestion de Production 9 Quatre grandes activits de la GP ! gestion des donnes techniques description des produits et des familles de produits (nomenclatures) description des processus de ralisation (gammes) ! gestion des donnes commerciales reoit les commandes et tablit les calendriers de livraison souhaits ! gestion des matires assurer l'approvisionnement en matires premires ou composants assurer le stockage de produits fabriqus ! gestion du travail organiser dans le temps la ralisation des tches en leur attribuant les ressources ncessaires. Prend en compte les donnes techniques et commerciales et celles du suivi de fabrication (quantits dj fabriques, tat des ressources...). P. Lopez ! LAAS-CNRS Gestion de Production 10 Distingo de 3 sous-systmes dans un SP ! Systme physique lments directement impliqus dans le processus de fabrication soumis aux perturbations manant de l'environnement ! Systme dcisionnel gestion des activits du systme physique prise en compte des contraintes environnementales besoin de ractivit ! Systme informationnel assurer les liens systme physique-systme dcisionnel et systme dcisionnel-environnement besoin de ractivit 6 P. Lopez ! LAAS-CNRS Gestion de Production 11 Flexibilit dans les entreprises ! Flexibilit capacit d'un systme industriel crer ou grer la varit, afin de s'adapter aux changements de l'environnement, internes (pannes machines, absences de personnel...) ou externes (commandes urgentes, retard d'appros...), tout en maintenant son quilibre moyen pour une meilleure ractivit industrielle ! Flexibilit vs. Ractivit flexibilit lie au nombre de choix possibles en rponse une perturbation ractivit = processus de recherche de solution la perturbation ! Apparition d'alas practivit : prparation un changement prvisible proactivit : action en vue de provoquer un changement souhait P. Lopez ! LAAS-CNRS Gestion de Production 12 La gestion d'activits ! Activit = action d'un moyen socio-technique, d'une entreprise ! Gestion d'activits = organiser la programmation d'un ensemble d'activits sous contraintes de temps et de ressources ! Applications planification des flux ordonnancement de tches / affectation de ressources gestion de ressources ! Traitement mthodes stochastiques vs. dterministes mthodes exactes vs. approches approches par contraintes 7 P. Lopez ! LAAS-CNRS Gestion de Production 13 Gestion d'activits : approche multi-niveaux ! volume et htrognit des objectifs ! approche globale inadapte (trop complexe) # distribution en plusieurs centres de dcision possdant une abstraction et une hirarchie distinctes ! [Antony 65] : classification des dcisions dans une structure 3 niveaux qui diffrent par : l'horizon de dcision le niveau de comptence hirarchique l'agrgation de la dcision P. Lopez ! LAAS-CNRS Gestion de Production 14 Niveaux de dcision en planification ! planification long terme (dcisions stratgiques) : dfinit la stratgie gnrale ou les macrostructures (tude de march, investissements, campagne publicitaire) horizon de $ 1 5 ans ! planification moyen terme (dcisions tactiques) tablissement d'un plan de production (dfinition des taux de production pour chaque famille de produits) organisation des moyens horizon de $ 1 mois 1 an ! planification court terme (dcisions oprationnelles) dfinit des ordonnancements dtaills (objets terminaux et ressources individualises) horizon de $ 1 jour 1 semaine ! micro-planification (conduite) temps rel 8 P. Lopez ! LAAS-CNRS Gestion de Production 15 Structures organisationnelles en GP (1) ! Organisation hirarchique fonctionnelle stratgique tactique oprationnel systme de production ordonnancement planification gestion de projet P. Lopez ! LAAS-CNRS Gestion de Production 16 Structures organisationnelles en GP (2) ! Organisation matricielle projet/mtier Contexte de lIngnierie Concourante ordonnancement # coordination entre diffrents acteurs RP1 RP1 RP1 RM1 RM2 RM3 RM4 9 P. Lopez ! LAAS-CNRS Gestion de Production 17 Typologie des SP (1) ! En fonction de l'organisation des ressources production continue : produit ne peut attendre qu'une ressource se libre (ex : industries de process sidrurgie, ptrochimie, chimie lourde, pharmacie, agroalimentaire) production de masse : produits quasi-identiques, en grande quantit, moyens de production spcialiss et organiss afin d'optimiser le cycle de production (ex : industrie automobile...) production en petite et moyenne sries : diversit forte des produits, type de demande (personnalis) prohibe quipement spcialis # ressources polyvalentes, lancement par lot afin de minimiser les cots lis a une campagne de fabrication (ex : industries de sous-traitance : quipementiers, service) production unitaire (gestion de projet) : production en trs faible quantit, cycle de production lev, nombreuses ressources (ex : industrie aronautique, spatial, BTP, ) P. Lopez ! LAAS-CNRS Gestion de Production 18 Typologie des SP (2) ! Organisation en ligne de production ordre de passage sur les postes de travail toujours identique (flow shop) importance de la fiabilit du matriel, la panne d'une machine provoquant l'arrt de la chane # prpondrance de la maintenance quilibrage de la chane afin que le produit passe un temps aussi constant que possible sur chaque poste. But : flux rythm des produits sans accumulation d'en-cours ni perte de temps. 10 P. Lopez ! LAAS-CNRS Gestion de Production 19 Typologie des SP (3) ! Organisation en ateliers main d'uvre qualifie et quipements polyvalents importance de la gestion des approvisionnements cots de manutention importants diminution des cots ! optimisation de la localisation relative des centres de production : agencement de l'espace ! technologie de groupe : constitution de "sous-usines" base sur des considrations techniques multiplicit des routes entre postes de travail # prpondrance de la problmatique d'ordonnancement P. Lopez ! LAAS-CNRS Gestion de Production 20 Typologie des SP (4) ! Organisation de type srie unitaire mobilisation de toutes les ressources de l'entreprise pour la ralisation d'un projet, sur une assez longue priode "survie" des entreprises ralise par la gestion en parallle de plusieurs projets, des stades diffrents d'avancement personnel qualifi excute des tches caractre non rptitif quipements polyvalents problme des stocks secondaire (produit fini non stockable et approvisionnements spcifiques au projet) problmes majeurs : respect des dlais et matrise des cots rle essentiel de l'ordonnancement 11 P. Lopez ! LAAS-CNRS Gestion de Production 21 Typologie des SP (5) ! En fonction du pilotage de la production production la commande : dclenche par la commande ferme d'un client grande varit de produits, demande alatoire production pour stock : dclenche par anticipation d'une demande solvable ventail des produits restreint, demande importante et prvisible production mixte : fabrication sur stocks et la commande " production flux tendus 22 2me partie Modles et mthodes en planification-ordonnancement 1. Planification - Programmation linaire 2. Problmes d'ordonnancement 2.1. Dfinitions 2.2. Contraintes Contraintes temporelles - Ingalits de potentiels Contraintes de ressources 2.3. Typologie des problmes 3. Ordonnancement de projet Position du problme Diagramme de Gantt Graphe potenties-tches Mthode PERT 4. Ordonnancement datelier Position du problme et dfinitions Problme une machine Flow shop Job shop Open shop 12 P. Lopez ! LAAS-CNRS Gestion de Production 23 Programmation Linaire (1) ! planification optimale du travail sur des ressources moyen terme ! production = processus continu sur un horizon relativement important ! modlisation par des quations ou des inquations linaires o les inconnues sont les volumes de production sur chaque priode ! Objet : dterminer ces inconnues de faon optimiser un critre (minimisation des en-cours, des stocks, des cots, maximisation des marges bnficiaires) Max Z = A.X sous : C.X % B X & 0 P. Lopez ! LAAS-CNRS Gestion de Production 24 Programmation Linaire (2) ! Exemple 2 produits 1 et 2 dont les marges brutes sont respectivement 3 et 5 units montaires par unit de produit fabrication = usinage + montage capacit de l'atelier d'usinage = 1800 h/mois capacit de l'atelier de montage = 1000 h/mois 1 unit du produit 1 (resp. 2) ncessite 2 heures (resp. 3 heures) d'usinage et 1 heure (resp. 2 heures) de montage ! Programme linaire Dterminer : x 1 et x 2 qui maximisent : 3x 1 et 5x 2 sous les contraintes : 2x 1 +3x 2 % 1800 x 1 + 2x 2 % 1000 x 1 , x 2 & 0 13 P. Lopez ! LAAS-CNRS Gestion de Production 25 PL : interprtation gomtrique 0 200 400 600 800 1000 200 400 600 800 (600, 200) 2 x 1
+
3 x 2 =
1 8 0 0 x 1
+ 2 x 2 = 1 0 0 0 " x 1 "
x 2 x 1
=
0 x 2 = 0 ! 600 units du produit 1 et 200 units du produit 2 ! marge brute totale = 2800 units montaires rgion admissible droite de pente -3/5 correspondant au critre P. Lopez ! LAAS-CNRS Gestion de Production 26 ! Le Simplexe mise en vidence d'une base (affectation de var.) ralisable initiale identification de la solution optimale en partant de la solution initiale et en passant par une suite de solution adjacentes complexit exponentielle mais trs grande efficacit en pratique ! Problmes en nombres entiers mthodes de coupe : relaxation des contraintes d'intgrit et rsolution du problme continu ! optimum entier # STOP ! sinon ajout de contraintes de faon tronquer la rgion admissible (ou polydre) sans exclure aucune solution entire, jusqu' ce que l'optimum soit entier mthodes d'exploration arborescente ! essentiellement pour les problmes bivalents (variables binaires) PL : rsolution (1) 14 P. Lopez ! LAAS-CNRS Gestion de Production 27 PL : rsolution (2) mthode de coupe une coupe 1re contrainte 2me contrainte solution fractionnaire P. Lopez ! LAAS-CNRS Gestion de Production 28 PL : diffrents problmes ! Problme d'affectation min ' i ' j c ij x ij sous ' j x ij =1, ( i ' i x ij =1, ( j x ij ) {0,1} , ( i,j ! Problme de transport min ' i ' j c ij x ij sous ' j x ij %q i (quantit produite), ( i ' i x ij &d j (demande), ( j x ij ) * , ( i,j ! matrices totalement unimodulaires : sous-matrices carres unimodulaires (dterminant = 1) ou singulires (dterminant = 0) ! la solution continue est entire ! mthodes de flot maximal cot minimal : algorithmes de Ford- Fulkerson, de Busacker-Gowen, ! cf. problme du sac--dos : valeur associe chaque objet ! algorithme pour l'affectation : mthode hongroise ! algorithme pour le transport : stepping stone 15 P. Lopez ! LAAS-CNRS Gestion de Production 29 ! Problmes primal/dual min Z = C T X max W = b T U sous AX & b sous A T U % C X & 0 U & 0 3 proprits de la dualit : Le dual du dual est le primal Z* = W* La rsolution par l'algorithme primal permet de dterminer tous les lments de la solution de son dual ! Solveurs : Xpress-MP, Cplex, Excel, Matlab (Tool Box "Optimisation") 1re phase : relaxation en variables continues (Simplexe) 2me phase : optimisation combinatoire PL : dualit et solveurs P. Lopez ! LAAS-CNRS Gestion de Production 30 Ordonnancement dcrit l'excution de tches et l'affectation de ressources au cours du temps compte tenu de contraintes et de manire satisfaire des objectifs ! ressource moyen socio-technique disponible en quantit limite (capacit) renouvelable ou consommable disjonctive ou cumulative ! tche (ou activit ou opration) entit lmentaire caractrise par une date de dbut et/ou de fin, une dure et une intensit de ressource interruptible ou non ! contrainte restriction sur l'excution des tches de temps ou de ressource ! objectif optimalit vis--vis de critres admissibilit vis--vis des contraintes 16 P. Lopez ! LAAS-CNRS Gestion de Production 31 Profil d'excution d'une tche prparation finition temps intensit de ressource phase principale ! On peut distinguer 3 phases dans l'excution de la tche ! La dure de la tche peut tre une fonction de la quantit de moyens utiliss pour son excution (notion de vitesse ou de performance des ressources) : p i =f[a ik (t)] P. Lopez ! LAAS-CNRS Gestion de Production 32 Problmes d'ordonnancement (1) ! Etant donn : un ensemble de tches un ensemble de ressources ! Dterminer : quand les tches sont excutes ? dbut (1), dure (2), fin (3) A B 2 temps 3 1 5 ! Applications organisation du travail dans un atelier de fabrication gestion de projet confection d'emplois du temps conception d'algorithmes de gestion (informatique, spatial, ) 4 comment les ressources sont affectes aux tches ? nature et intensit (4), squencement (5) 17 P. Lopez ! LAAS-CNRS Gestion de Production 33 Problmes d'ordonnancement (2) Plusieurs classes de problmes dterministes ! Ordonnancement sans contraintes de ressource ex : ordonnancement de projet un projet unique nombre lev de tches relations temporelles complexes (contraintes potentielles) les niveaux de ressources sont des variables de dcision (peuvent tre adapts au plan) temps ressources D F P. Lopez ! LAAS-CNRS Gestion de Production 34 Problmes d'ordonnancement (3) ! Ordonnancement avec contraintes de ressource ordonnancement d'atelier/informatique ! une machine ! m machines identiques ! m machines ddies emploi du temps ! Ordonnancement avec ressources cumulatives renouvelables/consommables doublement contraintes ! Ordonnancement premptif/non premptif Un problme de flow-shop 3+3 D 21 22 F 23 11 12 13 31 32 33 Budget temps , ? 18 P. Lopez ! LAAS-CNRS Gestion de Production 35 Ordonnancement/Affectation ! placement des tches en temps et en espace ! temps continu ! contraintes temporelles ! contraintes de ressources ressources temps 11 12 21 22 13 23 R2 R1 C max diagramme de Gantt P. Lopez ! LAAS-CNRS Gestion de Production 36 Optimisation : mthodes exactes ! Cheminement dans les graphes ! Procdures d'exploration arborescentes algorithme de rsolution par tentative et retour arrire (backtracking) "Branch and Bound" ! Programmation mathmatique programmation linaire en variables entires, mixtes programmation dynamique ! Rsultats spcifiques propres chaque type de problme 19 P. Lopez ! LAAS-CNRS Gestion de Production 37 Optimisation : mthodes approches ! Heuristiques "procdure exploitant au mieux la structure du problme considr, dans le but de trouver une solution de qualit raisonnable en un temps de calcul aussi faible que possible" algorithmes gloutons (myopes) rgles de priorit ! Mtaheuristiques cadre gnral de rsolution composes de deux grandes parties : ! exploration : permet de visiter des rgions diffrentes dans l'espace des solutions ! exploitation : permet de savoir o se trouvent les meilleures solutions solution unique (Tabou, recuit simul, ...) population de solutions (algorithmes gntiques, ...) P. Lopez ! LAAS-CNRS Gestion de Production 38 Tabou, Recuit (recherche locale) ! Principe A partir d'une solution initiale connue x, amlioration du critre par la recherche de la meilleure solution x' dans un voisinage de x ; si pas d'amlioration arrt, sinon x=x'. ! Mthode Tabou A partir d'une solution initiale x, on examine compltement le voisinage de x. On conserve la meilleure solution x'. On mmorise la solution retenue dans une liste taboue d'une longueur donne. ! Recuit simul A partir d'une solution initiale x, un voisin x' est gnr alatoirement. On calcule l'cart des fonctions cot -f = f(x')-f(x). Si -f % 0, x=x'. Si -f > 0, x' remplace x avec une probabilit d'acceptation EXP(- -/T) o T est un paramtre, appel temprature, qui dcrot au cours de la procdure. 20 P. Lopez ! LAAS-CNRS Gestion de Production 39 Algorithmes gntiques (approche volutive) ! Principe Une population initiale est gnre alatoirement. Chaque solution est code comme une chane de caractres (gnes). L'exploration est ralise par les oprateurs de mutation (modification d'un gne) et assure la diversification du voisinage ; l'exploitation est assure par les oprateurs de croisement (permutation de gnes entre solutions parents) et recherche les meilleurs enfants possibles. P. Lopez ! LAAS-CNRS Gestion de Production 40 Problme une machine ! Rgle de Smith : WSPT (stock d'encours, temps de cycle, retard algbrique, moyens ou pondrs) ! Rgle de Jackson : EDD (retards maximum) ! Algorithme de Moore-Hodgson : EDD modifie (nombre de tches en retard) SPT 21 P. Lopez ! LAAS-CNRS Gestion de Production 41 Flow Shop Minimisation de la dure totale ! 2 machines # Rgle de Johnson : le travail i prcde le travail j si dans une squence optimale si : min(p i1 , p j2 ) < min(p j1 , p i2 ) ! Cas gnral : extension de la rgle de Johnson (heuristique CDS) M1 M2 M3 M1 M2 M3 ! Pas de stockage sur machine (industrie agroalimentaire) # flow shop sans attente " problme du voyageur de commerce P. Lopez ! LAAS-CNRS Gestion de Production 42 Job Shop Minimisation de la dure totale ! 2 machines # Algorithme de Jackson : bas sur la constitution de 4 familles (M1, M2, M1-M2, M2-M1) et rgle de Johnson ! 2 travaux # mthode graphique (Akers) ! Cas gnral : gnration d'ordonnancements actifs, sans retard, heuristique de machine goulet ("bottleneck heuristic") M1 M2 M3 22 P. Lopez ! LAAS-CNRS Gestion de Production 43 Open Shop ! gammes de fabrication non connues l'avance ex : construction de lotissements, rparation ou maintenance d'engins, tenue d'examens mdicaux, ... ! 2 problmes fixer un ordre de passage sur les machines pour chaque travail trouver une squence de travaux sur chacune des machines ! Minimisation de la dure totale, 2 machines et non- premption # rgle LAPT (Longest Alternate Processing Time first) : slection sur une machine libre du travail dont l'opration sur l'autre machine possde la plus grande dure ! Pour d'autres critres ou ds la considration de 3 machines " problmes NP-difficiles (sauf Om|pmtn|C max ) P. Lopez ! LAAS-CNRS Gestion de Production 44 Contexte dynamique ! Arrive continuelle de nouveaux travaux ! Modifications des caractristiques du problme ! Informations modlises comme un processus stochastique rgi par une loi alatoire ! Mthode analytique : thorie des files d'attente valeurs des critres pour diffrentes rgles de priorit rsultats analytiques sur les valuations en moyenne en rgime stationnaire rsultats pauvres pour les problmes d'atelier ! Simulation base sur des mthodes de Monte Carlo (mthode de simulation du hasard) permet d'viter des hypothses trop simplificatrices facilit de gnrer un ordonnancement et d'examiner divers scnarios 23 P. Lopez ! LAAS-CNRS Gestion de Production 45 La gestion d'activits ! Activit = action d'un moyen socio-technique, d'une entreprise ! Gestion d'activits = organiser la programmation d'un ensemble d'activits sous contraintes de temps et de ressources ! Applications planification des flux ordonnancement de tches / affectation de ressources gestion de ressources ! Traitement mthodes stochastiques vs. dterministes mthodes exactes vs. approches approches par contraintes approches par contraintes P. Lopez ! LAAS-CNRS Gestion de Production 46 Approche par contraintes des problmes de dcision ! originalit : formulation du problme de dcision exclusivement en termes de contraintes ! modle = < {variables de dcision}, {contraintes} > contrainte = expression reliant des variables de dcision solution = ensemble de valeurs qui satisfait toutes les contraintes ! caractristiques analyse du problme, rduction de la combinatoire, sparation analyse/rsolution flexibilit, modularit de l'approche adapte au contexte de l'aide la dcision (volution du modle) 24 P. Lopez ! LAAS-CNRS Gestion de Production 47 ! Problmes de Satisfaction de Contraintes (CSP) rgles de cohrence locale pour les contraintes temporelles stratgies de recherche heuristiques ! Thorie de l'ordonnancement thormes de dominance bornes infrieures et suprieures des solutions optimales procdures arborescentes de rsolution rgles de propagation des contraintes de ressources rgles de propagation des contraintes de ressources ! Programmation par contraintes Programmation Logique avec Contraintes librairies C++ Approche par contraintes de l'ordonnancement P. Lopez ! LAAS-CNRS Gestion de Production 48 Propagation de contraintes (1) ! ensemble de techniques permettant de simplifier la rsolution ! approche non-dterministe : caractrisation ensemble de dcisions renforcement de consistance : simplifier la rsolution du problme (suppression des redondances, filtrage des valeurs des variables n'appartenant aucune solution) ! structuration des dcisions limitation des actions possibles explicitation des degrs de libert disponibles 25 P. Lopez ! LAAS-CNRS Gestion de Production 49 Propagation de contraintes (2) ! Rgles d'limination et d'ajustement lie aux paires de disjonction Tche 3 Tche 2 Tche 1 t tches Propagation Tche 3 Tche 2 Tche 1 t tches Exemple : d j - r i < p i + p j # i non avant j problme disjonctif # j avant i # ajustements de r i et d j P. Lopez ! LAAS-CNRS Gestion de Production 50 Ordonnancement & affectation ! problme mixte d'ordonnancement et d'affectation affectation de ressources : ensemble de ressources possibles # dures dpendantes des ressources pour k, dure des tches variables p i,k ) [p i,k min , p i,k max ] ]) 7 5 [ 1 ( , , M ]) 12 9 [ 2 ( , M , ,4]) 2 [ 2 ( , M ,10]) 6 [ 1 ( , M ,10]) 5 [ 3 ( , M ,4]) 2 [ 3 ( , M ,7]) 3 [ 2 ( , M ,10]) 5 [ 4 ( , M ,14]) 8 [ 4 ( , M ,6]) 3 [ 1 ( , M ! exemple : Job Shop avec affectation 26 P. Lopez ! LAAS-CNRS Gestion de Production 51 Propagation de contraintes (3) i est affecte sur R k j peut tre affecte sur R k k i p i , , k j p j , , j d i r k R k i p i , , k j p j , , i d j r i j p/ k R } { \ k j j R A A ! i non avant j 52 3me partie Quelques mthodes de GP 1. Gestion des stocks 1.1. Prambule 1.2. Modle de la quantit conomique optimale (EOQ) 1.3. Exemples 2. Planification des besoins en composants 2.1. Introduction 2.2. Calcul des besoins bruts 2.3. Planification au plus tard 2.4. Calcul des besoins nets 3. Juste--temps 3.1. Introduction 3.2. Mthode Kanban 4. OPT 27 P. Lopez ! LAAS-CNRS Gestion de Production 53 Gestion des stocks : prambule (1) ! une des plus vieilles mthodes de GP ! gestion base sur la notion de stock stocks = 20 80 % du total du bilan d'une entreprise industrielle (selon l'activit) ! assurer un stock moyen pour viter des stocks trop importants (coteux : immobilisation d'une source de revenu et besoin de gestion du stock) viter des stocks trop faibles (difficult d'adaptation aux variations de la demande) " stocks ngatifs (ou pnurie, rupture, manque) ! 3 types de stocks matires premires (anticiper les fluctuations des prix et les ventuelles dfaillances des fournisseurs...) en-cours (dcouplage des divers stades de la production et quilibrage des flux, protection contre les arrts momentans) produits finis (rduction des dlais de livraison, amortir les fluctuations de la demande, de la production, parer aux priodes chmes (aot)) P. Lopez ! LAAS-CNRS Gestion de Production 54 Gestion des stocks : prambule (2) ! Hypothses planification moyen terme demande prvisible et relativement constante (production sur stock) cots de stockage et d'approvisionnement connus et constants cots proportionnels au nombre de pices ! But viter les ruptures de stock tout en conservant un niveau de stock le plus faible possible ! QUAND ET COMBIEN COMMANDER ? ! Principe : minimiser une fonction de cot conomique cot de possession li aux quantits stockes cot de commande li au lancement en production, aux appros... cot de rupture li aux retards de livraison 28 P. Lopez ! LAAS-CNRS Gestion de Production 55 GdS : Modle de la Quantit Economique de Commande (EOQ) (1) ! EOQ = "Economic Order Quantity" ! valable pour demande rgulire et taux d'appros constant, recompltement priodique, pas de rupture ! base sur une politique optimale de gestion des stocks dont les caractristiques sont : succession ! d'ordres d'approvisionnement dont l'effet est de remonter le niveau du stock, et ! de phases o le stock diminue rgulirement sous l'effet de la demande) # il est moins coteux d'attendre que le stock soit vide pour passer commande (courbe y = Dx + Q) temps de cycle = intervalle entre 2 commandes : T cycle = Q/D P. Lopez ! LAAS-CNRS Gestion de Production 56 GdS : Modle de la Quantit Economique de Commande (EOQ) (2) remplissage du stock non instantan (production par un site A de l'atelier en amont du site B dont on gre le stock) pour qu'un site A produise Q un taux P, il faut un temps Q/P, pendant lequel la demande D du site B par unit de temps effectue un prlvement DQ/P ; globalement, on a donc un taux P-D pendant une dure Q/P, et on obtient Q max = (P-D)Q/P = (1-D/P)Q T cycle =Q/D niveau de stock Q t - D 29 P. Lopez ! LAAS-CNRS Gestion de Production 57 GdS : Politique optimale de gestion des stocks dans un cadre de production T cycle =Q/D niveau de stock Q(1-D/P) Q/P (Q/D-Q/P) t P - D - D Q P. Lopez ! LAAS-CNRS Gestion de Production 58 GdS : Formule de Wilson (1) Rappel des notations P = taux de production par priode Q = taille en volume de la commande (stock) D = demande en volume par priode T cycle = intervalle entre deux commandes (priode) C p = cot de possession par unit de produit et par priode C c = cot de commande CT(Q) = cot total de stockage par priode Le cot de possession entre 2 instants t1 et t2 est proportionnel au nb cumul darticles stocks et la longueur de [t1,t2] ; il est donc proportionnel l'aire contenue sous la courbe d'volution des stocks ; do : qui forme une hyperbole dont le minimum est trouv en galant zro la drive par rapport Q. On obtient alors la formule de Wilson : Q DC P D Q C T C D Q P D Q C Q CT c p cycle c p + ! = " # # $ % & & ' ( + ! = ) 1 ( 2 1 ) 1 ( 2 ) ( 30 P. Lopez ! LAAS-CNRS Gestion de Production 59 GdS : Formule de Wilson (2) ) ( 2 * D P C DP C Q EOQ p c opt ! = = CT(Q) Q 0 d d = Q Q CT ) ( Q* possession commande global ) 1 ( 2 *) ( P D C DC Q CT p c ! = " P. Lopez ! LAAS-CNRS Gestion de Production 60 GdS : Exemple (1) Donnes demande hebdomadaire d'une pice D=200 units/semaine cot de possession C p =0,5 " / unit / semaine cot administratif d'une commande = 500 " frais de livraison = 500 " Donc : cot global de commande C c =1000 " Hypothse : remplissage instantan du stock (fournisseur extrieur) Q*= 895 pices CT(Q*)=447,21 ! par semaine soit 2,24 !/pice T*=4,47 semaines p c C D C Q 2 * = p c C DC Q CT 2 *) ( = 31 P. Lopez ! LAAS-CNRS Gestion de Production 61 GdS : Exemple (2) Donnes demande annuelle d'une pice D=50000 units/an production maximale P=200000 units/an cot de commande C c =500 " cot de possession C p =3 "/unit/an usine travaille H=240 jours/an Donc : demande journalire = 50000/240 = 208,33 production journalire = 200000/240 = 833,33 stock net journalier = 833,33 - 208,33 = 625 Production de Q units en 240Q/200000 jours, au bout desquels on aura 625.240Q/200000=0,75Q units stockes Si Q=8000, et si le stock initial est nul, la production ncessitera 9,6 jours et permettra de stocker 6000 pices qui seront consommes en 6000/208,33=28,8 jours Q*=4714 pices et CT(Q*)=10607 ! P. Lopez ! LAAS-CNRS Gestion de Production 62 Planification des besoins en composants : Introduction (1) ! Apparue aux Etats-Unis dans les annes 65-70 MRP1 : Material Requirements Planning dans les annes 80 prise en compte de la capacit limite des ressources (MRP2 : Manufacturing Resource Planning) ! Hypothses planification moyen terme dans une production flux pousss production rptitive (grande srie) ! But anticiper la demande pour s'adapter ses variations ! QUAND ET COMBIEN PRODUIRE ? par rapport la gestion des stocks, on met l'accent sur les problmes lis la fabrication, les stocks apportant des contraintes et des cots que l'on cherche minimiser 32 P. Lopez ! LAAS-CNRS Gestion de Production 63 Planification des besoins en composants : Introduction (2) ! Implantation Il faut disposer d'un systme d'information informatis (donnes physiques, donnes comptables, plan directeur de production comportant les quantits produire par famille de produits Master Production Schedule , les niveaux des diffrents stocks et une organisation des moyens disponibilit variable) MPS BOM INV MRP Ordres de fabrication Ordres d'achat P. Lopez ! LAAS-CNRS Gestion de Production 64 Planification des besoins en composants : Introduction (3) ! Principe de MRP1 3 phases calcul des besoins bruts planification au plus tard de la mise en fabrication des pices (ou absorption des dlais) calcul des besoins nets Mise en uvre dcisions prises chaque niveau valides par simulation remise en cause si problme ! MRP2 : ajout d'heuristiques (agissant sur le lancement en production de pices) pour rester dans les limites imposes par les ressources 33 P. Lopez ! LAAS-CNRS Gestion de Production 65 PBC : Calcul des besoins bruts E (1) F (2) D (2) B (1) E (1) F (4) C (2) F (4) A ! Bas sur les liens de nomenclature (reprsentation arborescente) ! A se compose d'un sous-ensemble B, de deux sous-ensembles C et de quatre pices F ! Nombre de composants pour un compos de niveau immdiatement suprieur (coefficient technique ou de montage) ! En final, le montage d'une unit de A suppose de disposer de trois units de E et de seize units de F ! Pour 200 produits A commands, il faut approvisionner 600 pices E et 3200 pices F : ce sont les besoins bruts ! Dfaut majeur : production non date et ne tenant pas compte des stocks lien P. Lopez ! LAAS-CNRS Gestion de Production 66 PBC : Planification au plus tard (1) ! Pour rpondre au problme de la production non date, on va se servir du principe de calcul des besoins bruts en prenant en compte les dcalages temporels induits par l'attente d'un produit en un instant donn ! "On met la nomenclature l'horizontale en lui faisant subir une rotation de 90 dans le sens des aiguilles d'une montre." 34 P. Lopez ! LAAS-CNRS Gestion de Production 67 PBC : Planification au plus tard (2) ! Pour fabriquer 200 produits A, on doit passer commande de 800 pices F au dbut de la semaine -6, de 1600 au dbut de la semaine -4 et de 800 au dbut de la semaine -3. On doit galement passer commande de 200 E au dbut de la semaine -4 et de 400 au dbut de la semaine -3 " Politique "lot-for-lot"... A C E E B F D F F -6 -5 -4 -3 -2 -1 ! cycles de montage de A, C et D = 1 semaine ! cycle de montage de B = 2 semaines ! dlais d'approvisionnement de E = 1 semaine et F = 2 semaines P. Lopez ! LAAS-CNRS Gestion de Production 68 PBC : Planification au plus tard (2) ! Cycle total de fabrication d'un produit fini (A) = somme des plus longs cycles chaque niveau de nomenclature (6) ! Parallle avec un chemin critique puisque tout retard sur ce chemin (manant de livraison ou de fabrication) affecte d'autant la livraison au client ! Les pices lances en fabrication sont affectes une consommation prvue (politique lot-for-lot qui implique de commander exactement le nombre d'articles ncessaires par priode) " permet de travailler sans stock (en thorie) ! Inconvnient majeur de MRP1 : dcorrlation entre les dlais et les volumes de production (qui se traduit gnralement par l'introduction d'heures supplmentaires pour faire face l'importance du dpassement des dlais pour des volumes importants) # justification de MRP2 35 P. Lopez ! LAAS-CNRS Gestion de Production 69 PBC : Calcul des besoins nets (1) ! Demande pour A sur les semaines 1 6 : 10, 20, 30, 40, 50, 50 ! Stocks initiaux : A=30, B=70, C= 100, D=100, E=100, F=500 ! On part du niveau suprieur de la nomenclature : produit fini A semaine 1 : demande couverte par le stock " stock = 20 semaine 2 : demande couverte par le stock " stock = 0 semaine 3 : lancement de 30 units en semaine 2 semaine 4 : lancement de 40 units en semaine 3 semaine 5 : lancement de 50 units en semaine 4 semaine 6 : lancement de 50 units en semaine 5 ! Pour pouvoir lancer A, il faut disposer des composants B, C et F Pour B : semaines 2 et 3 :demandes couvertes par le stock " stock = 0 semaine 4 : lancement de 50 units en semaine 2 semaine 5 : lancement de 50 units en semaine 3 ... P. Lopez ! LAAS-CNRS Gestion de Production 70 PBC : Calcul des besoins nets (2) Semaines 1 2 3 4 5 6 Demande A 10 20 30 40 50 50 Stock initial A 30 20 0 0 0 0 Besoin net A 0 0 30 40 50 50 Lancement A 0 30 40 50 50 - Besoin brut B 0 30 40 50 50 - Stock initial B 70 70 40 0 0 - Besoin net B 0 0 0 50 50 - Lancement B - 50 50 - - - Besoin brut C 0 60 80 100 100 - Stock initial C 100 100 40 0 0 - Besoin net C 0 0 40 100 100 - Lancement C 0 40 100 100 - - Besoin brut D 0 100 100 - - - Stock initial D 100 100 0 - - - Besoin net D 0 0 100 - - - Lancement D 0 100 - - - - Besoin brut E 0 90 150 100 - - Stock initial E 100 100 10 0 - - Besoin net E 0 0 140 100 - - Lancement E 0 140 100 - - - Besoin brut F 0 380 660 - - - Stock initial F 500 500 120 - - - Besoin net F 0 0 540 - - - Lancement F 540 - - - - - 36 P. Lopez ! LAAS-CNRS Gestion de Production 71 Juste--temps : Introduction (1) ! Apparue au Japon dans les annes 80 (Toyota) ! Hypothses planification court terme dans une production flux tirs flux tirs : relancer de nouvelles phases de fabrication pour remplacer des produits ou des composants sortis des stocks production de masse ! But fournir le produit exactement au moment du besoin et exactement dans la quantit dsire minimiser les en-cours tendre vers un flux de produits continu, approcher les quatre zros (0 stock / 0 retard / 0 dfaut / 0 panne) P. Lopez ! LAAS-CNRS Gestion de Production 72 Juste--temps : Introduction (2) ! Principe simpliste mise en ligne des machines pour accrotre la fluidit quipements spcialiss, oprateurs polyvalents flux tirs et recherche des quatre 0 (runion entre les diffrents acteurs de la production) 37 P. Lopez ! LAAS-CNRS Gestion de Production 73 JAT : La mthode Kanban (1) ! Description OF en provenance de l'aval = "ticket" ou "Kanban" un Kanban comporte les informations suivantes : ! dsignation de la pice et de l'opration ! dsignation des lieux d'origine et de destination ! quantit par conteneur (conteneur sert aux manipulations inter-postes) ! nombre de tickets en circulation dans la boucle particularit d'un Kanban : circule en permanence dans le flux de fabrication ; il descend le flux avec les pices et le remonte une fois les pices consommes chaque poste de transformation possde un tableau mural de Kanbans ; une colonne par rfrence ; chaque colonne possde des index indiquant un niveau de lancement en fabrication possible (lot conomique) et un seuil d'alerte imposant un lancement en urgence (remarque : la mthode Kanban n'induit pas de 0 stock comme le voudrait le juste--temps) P. Lopez ! LAAS-CNRS Gestion de Production 74 JAT : La mthode Kanban (2) ! Problme dterminer le nombre de Kanbans de chaque type ncessaires dans l'atelier fait par simulation ou ttonnements successifs (on enlve des Kanbans jusqu' ce que des ruptures de stock apparaissent) ! Diffrentes phases (a) le Kanban est mis sur le conteneur de pices qui viennent d'tre fabriques au poste amont (b) le Kanban accompagne le conteneur au poste suivant (en aval du flux) et reste sur le conteneur en attente (c) au moment o le conteneur est mis en fabrication sur le poste aval, le Kanban est libr et retourne au poste amont (d) le Kanban est plac dans un planning, prs du poste amont ; il sera retir de ce planning au moment d'une nouvelle mise en fabrication 38 P. Lopez ! LAAS-CNRS Gestion de Production 75 JAT : La mthode Kanban (3) ! Circulation des Kanbans Kanban sur un conteneur Kanban libre flux des Kanbans flux physique des conteneurs poste amont poste aval (a) (b) (c) (d) planning Kanban P. Lopez ! LAAS-CNRS Gestion de Production 76 OPT (Optimized Production Technology) ! plus une philosophie qu'une mthode ! concept de flux tirs traduit par un flux de lancement adapt au rythme des machine les plus lentes ! base sur un ensemble de 10 rgles de bon sens utilisant la notion de ressource goulot il faut quilibrer les flux (dynamique) et non les capacits (statique) l'utilisation d'une ressource non goulot n'est pas lie sa capacit 1 h perdue sur une ressource goulot est 1 h perdue pour tout le systme 1 h gagne sur une ressource non goulot est un leurre les lots de fabrication doivent tre de taille variable et non fixe calculs des besoins en composants et calcul du plan de production doivent tre raliss simultanment (remet en cause le MRP) ... 39 P. Lopez ! LAAS-CNRS Gestion de Production 77 P. Lopez ! LAAS-CNRS Gestion de Production 78 Ordonnancement de projet ! Mthode chemin critique (PERT) modlisation par graphe potentiels recherche des ordonnancements au plus tt/tard identification des tches critiques caractrisation des marges D F 40 P. Lopez ! LAAS-CNRS Gestion de Production 79 Algorithme gnral de rsolution tant que il reste des variables non affectes et que une inconsistance globale nest pas dtecte appliquer les raisonnements si une inconsistance est dtecte alors si il existe des choix non explors alors retour arrire sur un choix non explor sinon inconsistance globale dtecte sinon slectionner une variable encore libre choisir une valeur pour cette variable et mmoriser les autres P. Lopez ! LAAS-CNRS Gestion de Production 80 Affectation et "Branch and Bound" Tourne Camion Tour 1 Tour 2 Tour 3 Cam A 94 1 54 Cam B 74 10 88 Cam C 62 88 8 ! Principe de sparation : affecter un camion une tourne ! Fonction d'valuation : somme des cots minimaux par tourne 41 P. Lopez ! LAAS-CNRS Gestion de Production 81 Affectation et "Branch and Bound" ! Principe de sparation : affecter un camion une tourne ! Fonction d'valuation : somme des cots minimaux par tourne 71 = 62 + 1 + 8 71 0 Tourne Camion Tour 1 Tour 2 Tour 3 Cam A 94 1 54 Cam B 74 10 88 Cam C 62 88 8 P. Lopez ! LAAS-CNRS Gestion de Production 82 Affectation et "Branch and Bound" ! Principe de sparation : affecter un camion une tourne (Cam A) ! Fonction d'valuation : somme des cots minimaux par tourne 71 0 112 1 Cam A " Tour 2 Cam A " Tour 3 71 2 126 3 Cam A " Tour 1 Tourne Camion Tour 1 Tour 2 Tour 3 Cam A 94 1 54 Cam B 74 10 88 Cam C 62 88 8 42 P. Lopez ! LAAS-CNRS Gestion de Production 83 Affectation et "Branch and Bound" Tourne Camion Tour 1 Tour 2 Tour 3 Cam A 94 1 54 Cam B 74 10 88 Cam C 62 88 8 ! Principe de sparation : affecter un camion une tourne (Cam B) ! Fonction d'valuation : somme des cots minimaux par tourne 71 0 83 4 Cam B " Tour 1 Cam B " Tour 3 151 5 112 1 Cam A " Tour 2 Cam A " Tour 3 71 2 126 3 Cam A " Tour 1 P. Lopez ! LAAS-CNRS Gestion de Production 84 Affectation et "Branch and Bound" Tourne Camion Tour 1 Tour 2 Tour 3 Cam A 94 1 54 Cam B 74 10 88 Cam C 62 88 8 ! Principe de sparation : affecter un camion une tourne (optimum) ! Fonction d'valuation : somme des cots minimaux par tourne 71 0 83 4 Cam B " Tour 1 112 1 Cam A " Tour 2 Cam A " Tour 3 71 2 126 3 Cam A " Tour 1 (Cam C " Tour 3) 151 5 Cam B " Tour 3 43 P. Lopez ! LAAS-CNRS Gestion de Production 85 Affectation et "Branch and Bound" Tourne Camion Tour 1 Tour 2 Tour 3 Cam A 94 1 54 Cam B 74 10 88 Cam C 62 88 8 ! Principe de sparation : affecter un camion une tourne (optimum) ! Fonction d'valuation : somme des cots minimaux par tourne 71 0 83 4 Cam B " Tour 1 112 1 Cam A " Tour 2 Cam A " Tour 3 71 2 126 3 Cam A " Tour 1 (Cam C " Tour 3) 151 5 Cam B " Tour 3 ! Les nuds pendants sont sonds par test d'optimalit P. Lopez ! LAAS-CNRS Gestion de Production 86 Programme linaire min ' ijk x(i,j,k) sous (j,k, ' ijk x(i,j,k) < 1 (i,j,k, x(i,j,k) - x(i,j,k-1) < 1 (j, ' ik t(i,j)*x(i,j,k) < tmax(j) t(i,j) ) R x(i,j,k) ) {0,1} critre contraintes globales contraintes de domaines ! rsolution par solveurs : Xpress-MP, Cplex, Excel, Matlab (Tool Box "Optimisation") 1re phase : relaxation en variables continues (Simplexe) 2me phase : optimisation combinatoire